可解释性
文章平均质量分 91
巍巍微澜
小舟从此逝,江海寄余生。
展开
-
《Understanding Failures of Deep Networks...》阅读笔记
《Understanding Failures of Deep Networks via Robust Feature Extraction》阅读笔记原创 2021-05-31 13:00:39 · 147 阅读 · 0 评论 -
《Manifold Learning in Quotient Spaces》阅读笔记
1 文章概述来自CVPR2018本文是使用商空间思想对自动编码器(AutoEncoder,AEs)(AutoEncoder, AEs)(AutoEncoder,AEs)模型进行改进的一篇文章,其想法是由于CNN网络对变换不具有不变性,导致AEsAEsAEs模型对于同一个形状图像不同变换的结果会产生不同的重构结果,也就是模型除了需要学习形状重构,还需要额外学习变换重构,导致重构质量下降,如果使用数据增强可以有效地提升模型对不同变换的重构能力,但是会显著降低重构图像质量,所以本文考虑使用商空间思维,将数据变原创 2021-04-09 15:25:16 · 119 阅读 · 0 评论 -
《High-Frequency Component Helps Explain the Generalization of Convolutional Neural Networks》阅读笔记
《High-Frequency Component Helps Explain the Generalization of Convolutional Neural Networks》阅读笔记,来自CVPR2020,Oral。原创 2021-01-19 22:12:53 · 271 阅读 · 0 评论